实验一离散数字信号的产生及其时域处理
学习实现实验1的内容，并且编制一个程序(m文件)产生5种信号，函数需要的参数可输入确定，并绘出其图形
1、单位抽样序列
在MATLAB中可以利用函数实现,
%单位抽样序列函数%
X=0:10;
Y=[0 1 zeros(1,9)];
stem(X,Y,'r');
axis([-1,10,0,1]);
title('单位抽样序列');
xlabel('n');
ylabel('δ*n+');
图形如右:
2、单位阶越序列
在MATLAB中可以利用函数实现, 实现过程如下：
%单位阶跃序列函数
K=-8:8;
H=[zeros(1,8),ones(1,9)];
stem(K,H,'r');
axis([-8,8,0,2]);
title('单位阶跃序列');
xlabel('n');
ylabel('u[n]');
图形如下:
3、正弦序列，在MATLAB中实现过程如下：%正弦序列函数sin(2*pi*D/5+pi/4)%
D=-1:0.1*pi:8*pi;
C=sin(2*pi*D/5+pi/4);
stem(D,C,'filled');
axis([-1,10,-2,2]);
title('正弦序列');
xlabel('n');
ylabel('sin(2*pi*D/5+pi/4)')
图形如下:
4、复指数序列，从幅度和相位进行分析，在MATLAB中实现过程如下：%复指数序列函数%
n=[0:10];
x1=2*exp((-0.2+0.7*j)*n);
x2=abs(x1);
x3=angle(x1);
subplot(2,3,4);
stem(n,x2);
title('复指数序列幅值'); xlabel('n');
ylabel('x2');
stem(n,x3);
title('复指数序列相位'); xlabel('n');
ylabel('x3');
图形如下：
5、指数序列，在MATLAB中实现过程如下：
% 实指数序列%
L=0:20;
x4=(1.4).^(L/3);
stem(L,x4);
title('实指数序列');
xlabel('n');
ylabel('x4');
图形如下：
编制一个完整的程序(m文件)产生以上5种信号，图形如下：
m文件程序如下：
function F1
%单位抽样序列函数%
X=0:10;
Y=[0 1 zeros(1,9)];
subplot(2,3,1);
stem(X,Y,'r');
axis([-1,10,0,1]);
title('单位抽样序列 ');
xlabel('n');
ylabel('δ[n]');
%单位阶跃序列函数
K=-8:8;
H=[zeros(1,8),ones(1,9)];
subplot(2,3,2);
stem(K,H,'r');
axis([-8,8,0,2]);
title('单位阶跃序列 ');
xlabel('n');
ylabel('u[n]');
%正弦序列函数sin(2*pi*D/5+pi/4)%
D=-1:0.1*pi:8*pi;
C=sin(2*pi*D/5+pi/4);
subplot(2,3,3);
stem(D,C,'filled');
axis([-1,10,-2,2]);
title('正弦序列 ');
xlabel('n');
ylabel('sin(2*pi*D/5+pi/4)');
%复指数序列函数2*exp((-0.2+0.7*j)*n)，从相位和幅值角度来分开讨论其图形%
n=[0:10];
x1=2*exp((-0.2+0.7*j)*n);
x2=abs(x1);
x3=angle(x1);
subplot(2,3,4);
stem(n,x2);
title('复指数序列幅值');
xlabel('n');
ylabel('x2');
subplot(2,3,5);
stem(n,x3);
title('复指数序列相位');
xlabel('n');
ylabel('x3');
% 实指数序列(1.4)^(L/3)%
L=0:20;
x4=(1.4).^(L/3);
subplot(2,3,6);
stem(L,x4);
title('实指数序列 ');
xlabel('n');
ylabel('x4');
%在MATLAB 中产生5种信号，所需参数预先设定%
语音基音周期估计
语音基音周期估计的实现方法: 自相关函数法
能量有限的语音信号}{()s n 的短时自相关函数定义为：
10()[()()][()()]N n m R s n m w m s n m w m τ
τττ--==++++∑
其中，τ为移位距离，()w m 是偶对称的窗函数。
短时自相关函数有以下重要性质：
①如果}{()s n 是周期信号，周期是P ，则()R τ也是周期信号，且周期相同，即()()R R P ττ=+。
②当τ=0时，自相关函数具有最大值；当0,,2,3P P P τ=+++…处周期信号的自相关函数达到极大值。
③自相关函数是偶函数，即()()R R ττ=-。
短时自相关函数法基音检测的主要原理是利用短时自相关函数的第二条性质，通过比较原始信号和它移位后的信号之间的类似性来确定基音周期，如果移位距离等于基音周期，那么，两个信号具有最大类似性。
在实际采用短时自相关函数法进行基音检测时，使用一个窗函数，窗不动，语音信号移动，这是经典的短时自相关函数法。窗口长度N 的选择至少要大于基音周期的两倍，N 越大，短时自相关函数波形的细节就越清楚，更有利于基音检测，但计算量较大，近年来由于高速数字信号处理器(DSP )的使用，从而使得这一算法简单有效，而不再采用结构复杂的快速傅里叶变换法、递归计算法等；N 越小，误差越大，但计算量较小。
自相关函数在基音周期处表现为峰值，自相关函数在基音周期处表现为峰值，这些峰值点之间的间隔的平均值就是基音周期
中值滤波: 为了平滑噪声，君安邪恶基因周期前，需要对各自的声音文件进行中值滤波处理，并比较前后语音的差别。对采样信号进行滤波处理，这里用截至频率为500Hz 的低通滤波器,阻带衰减20dB ，程序如下：
[x,fs,bits]=wavread ('E:\A.wav');%读取输入语音信号的频率及波形
figure(1);
stem(x,'.');%做原始语音信号的时域图形
title('原始语音信号');
fc1=500;
N1=2*pi*0.9/(0.1*pi)
wc1=2*pi*fc1/fs;
if rem(N1,2)==0
N1=N1+1;
end
Window= boxcar (N1+1); %长度为N1的矩形窗Window
b1=fir1(N1,wc1/pi,Window);
figure(2);
freqz(b1,1,512);
title('低通滤波器的频率响应');
y= filter(b1,1,x1);%对信号进行低通滤波
figure(3);
plot(y);
title('信号经过低通滤波器后');
经过中值滤波后，对信号用自相关函数法进行基音周期的检测。语音信号需分帧处理，20ms一帧（160个样点），程序如下：
n=160; %取20ms的声音片段，即160个样点
for m=1:length(x)/n; %对每一帧求短时自相关函数
for k=1:n;
Rm(k)=0;
for i=(k+1):n;
Rm(k)=Rm(k)+x(i+(m-1)*n)*x(i-k+(m-1)*n);
end
end
p=Rm(10:n); %防止误判，去掉前边10个数值较大的点
[Rmax,N(m)]=max(p); %读取第一个自相关函数的最大点
end %补回前边去掉的10个点
N=N+10;
T=N/8; %算出对应的周期
figure(4);
stem(T,'.');
axis([0 length(T) 0 10]);
xlabel('帧数(n)');ylabel('周期(ms)');title('各帧基音周期');
得到各帧基音周期如图：
可以看到，该信号有48000个样点，一共有300帧（每帧160个样点）由图中可以看出基音周期大约为4.2ms.但是图中存在野点，为此，需要对此进行进一步的处理，即去除野点。运行以下程序：
T1= medfilt1(T,5); %去除野点
figure(3);
stem(T1,'.');
axis([0 length(T1) 0 20]);
xlabel('帧数(n)');
ylabel('周期(ms)');
title('各帧基音周期');
从图可以看到野点被消除，可以读出基音周期约为4.2ms.完整程序如下：
[x,fs,bits]=wavread('E:\A.wav');
figure(1);
plot(x);%做原始语音信号的时域图形
title('原始语音信号');
fc1=500;
N1=2*pi*0.9/(0.1*pi)
wc1=2*pi*fc1/fs;
if rem(N1,2)==0
N1=N1+1;
end
Window= boxcar (N1+1); %长度为N1的矩形窗Window
b1=fir1(N1,wc1/pi,Window);
figure(2);
freqz(b1,1,512);
title('低通滤波器的频率响应');
y= filter(b1,1,x1);%对信号进行低通滤波
figure(3);
plot(y);
title('信号经过低通滤波器(时域)');
n=160; %取20ms的声音片段，即160个样点for m=1:length(x)/n; %对每一帧求短时自相关函数
for k=1:n;
Rm(k)=0;
for i=(k+1):n;
Rm(k)=Rm(k)+x(i+(m-1)*n)*x(i-k+(m-1)*n);
end
end
p=Rm(10:n); %防止误判，去掉前边10个数值较大的点
[Rmax,N(m)]=max(p); %读取第一个自相关函数的最大点end %补回前边去掉的10个点
N=N+10;
T=N/8; %算出对应的周期
figure(4);
stem(T,'.');
axis([0 length(T) 0 10]);
xlabel('帧数(n)');
ylabel('周期(ms)');
title('各帧基音周期');
T1= medfilt1(T,5); %去除野点
figure(6);stem(T1,'.');
axis([0 length(T1) 0 10]);
xlabel('帧数(n)');
ylabel('周期(ms)');
title('各帧基音周期');
语音信号处理实验报告 实验二：语音信号的基音周期估计 学院：电子与信息学院 专业：信息工程 姓名 学号： 提交日期：2014.4.29
实验二：语音信号基音周期估计 1、 实验内容 从一段语音信号中估计出其基音周期。基音是指法浊音是声带振动所引起的周期性，而基因周期是指声带振动频率的倒数。 2、 实验方法 尽管基音检测有许多困难，但因为它的重要性，基音的检测提取一直是一个研究的课题，为此提出了各种各样的基音检测算法，如自相关函数(ACF)法、峰值提取算法(PPA)、平均幅度差函数(AMDF)法、并行处理技术、倒谱法、SIFT 、谱图法、小波法等等。 2.1、短时自相关法 对于离散的语音信号x(n)，它的自相关函数定义为：R(k)=Σx(n)x(n-k)， 如果信号x(n))具有周期性，那么它的自相关函数也具有周期性，而且周期与信号x(n)的周期性相同。自相关函数提供了一种获取周期信号周期的方法。在周期信号周期的整数倍上，它的自相关函数可以达到最大值，因此可以不考虑起始时间，而从自相关函数的第一个最大值的位置估计出信号的基音周期，这使自相关函数成为信号基音周期估计的一种工具。 语音信号是非平稳的信号，所以对信号的处理都使用短时自相关函数。短时自相关函数是在信号的第N 个样本点附近用短时窗截取一段信号，做自相关计算。短时自相关运算定义为下式： 1 ()()()N k n n n m R k S m S m k --== +∑ 2.2、平均幅度差函数法 语音信号的短时平均幅度差函数Fn （k ）定义为
1 ()|()()|N k n n n m F k S m k S m --== +-∑ 与短时自相关函数一样，对周期性的浊音一样，Fn （k ）也呈现与浊音语音周期一致的周期特性，不过不同的是Fn （k ）在周期的各个整数倍点上具有是谷值特性而不是峰值特性，因而通过Fn （k ）的计算同样可以确定基音周期。 线性加权短时平均幅度差（W-AMDF ）的定义： 1 1 ()|()()|1N k nw n n m F k S m k S m N k --==+--+∑ 2.3、实验过程 2.3.1自相关法（ACF ） 1、录取一段录音，采样率8K ，单声道 2、用MATLAB 的wavread 函数把录音都进来并进行归一化处理 3、对语音信号进行预加重 4、对语音信号进行截止频率为1000Hz 的低通滤波，然后进行分帧处理 5、对每帧语音进行三电平削波处理 6、对每帧分别计算短时自相关运算，去除每帧前十个点后再求最大值 7、利用最大值对应的序号N 来确定基音的周期 2.3.2短时平均幅度差法（W-ADMF ） 1、录取一段录音，采样率8K ，单声道 2、用MATLAB 的wavread 函数把录音都进来并进行归一化处理 3、对语音信号进行预加重 4、对语音信号进行截止频率为1000Hz 的低通滤波，然后进行分帧处理 5、对每帧语音进行三电平削波处理 6、对每帧分别计算线性加权短时平均幅度差运算，去除每帧前、后5个点后再求最小值M1和第二最小值M2 7、利用abs （M2-M1）来确定基音的周期
基于MATLAB的语音信号的基音周期检测 摘要：MATLAB是一种科学计算软件，专门以矩阵的形式处理数据。MATLAB将要性能的数值计算和可视化集成在一起，并提供了大量的内置函数，从而被广泛的应用于科学计算、控制系统和信息处理等领域的分析、仿真和设计工作。 MATLAB在信号与系统中的应用主要包括符号运算和数值计算仿真分析。由于信号与系统课程的许多内容都是基于公式演算，而MATLAB 借助符号数学工具箱提供的符号运算功能，基本满足设计需要。例如：解微分方程、傅里叶正反变换、拉普拉斯正反变换和Z正反变换等。MATLAB在信号与系统中的另一主要应用是数值计算与仿真分析，主要包括函数波形绘制、函数运算、冲击响应仿真分析、信号的时域分析、信号的频谱分析、系统的S域分析和零极点图绘制等内容。 本次课程设计为语音信号的基音周期检测，采集语音信号，对语音信号进行处理，区分清音浊音，并通过对采样值进行滤波、分帧、求短时自相关函数，得到浊音的基音周期。 关键字：清音、浊音、基音周期、基音检测、自相关函数
目录 1 概述 (1) 2 AMDF算法原理及实现 (1) 2.1 AMDF算法源程序 (2) 3 ACF算法原理及实现 (4) 3.1 用短时平均能量进行清/浊音的判断 (4) 3.2 自相关函数基音检测的原理 (6) 3.3 算法实现及相关程序 (6) 3.3.1 带通滤波 (7) 3.3.2 取样与分帧 (7) 3.3.3 短时能量分析 (8) 3.3.4 自相关函数分析 (11) 4 总结与心得体会 (13) 参考文献 (13)
1 概述 基音周期检测也称为基频检测(Pitch Detection) ,它的目标是找出和声带振动频率完全一致的基音周期变化轨迹曲线,或者是尽量相吻合的轨 迹曲线。基音周期检测在语音信号的各个处理领域中,如语音分析与合成、有调语音的辨意、低速率语音压缩编码、说话人识别等都是至关重要的,它的准确性及实时性对系统起着非常关键的作用,影响着整个系统的性能。 浊音信号的周期称为基音周期, 它是声带振动频率的倒数, 基音周期的估计称为基音检测。基音检测是语音处理中的一项重要技术之一, 它在有调语音的辨意、低速率语音编码、说话人识别等方面起着非常关键的作用; 但在实现过程中, 由于声门激励波形不是一个完全的周期脉冲串, 而且声道的影响很难去除、基音周期的定位困难、背景噪声的强烈影响等一系列因素, 基音检测面临着很大的困难。而自相关基因检测算法是一种基于语音时域分析理论的较好的算法。 本文在对AMDF、ACF基音检测算法基本原理进行分析的基础上,对此算法进行了深入的探讨,针对以往研究中存在的问题加以改进,给出了一种方便、快捷的检测方案。综合考虑了检测准确度和检测速率两方面的因素,然后通过对一段具体的语音信号进行处理,较准确地得到浊音语音信号的基音周期。 2 AMDF算法原理及实现 语音信号{s(n))的短时平均幅度差函数(AMDF)定义为：
function nmax=find_maxn(r) %寻找峰值最大的n值及基音周期 %r,自相关序列 %maxn,为峰值最大的n zer=find(r==0); %找第一个零点如果存在 jiaocha=0; %找第一近零点 ii=1; while (jiaocha<=0) if(r(ii)>0 && r(ii+1)<0 && (ii+1) 华南理工大学《语音信号处理》实验报告 实验名称：基音周期估计 姓名： 学号： 班级：10级电信5班 日期：2013年5 月15日 1.实验目的 本次试验的目的是通过matlab编程，验证课本中基音周期估计的方法，本实验采用的方法是自相关法。 2. 实验原理 1、基音周期 基音是发浊音时声带震动所引起的周期性，而基音周期是指声带震动频率的倒数。基音周期是语音信号的重要的参数之一，它描述语音激励源的一个重要特征，基音周期信息在多个领域有着广泛的应用，如语音识别、说话人识别、语音分析与综合以及低码率语音编码，发音系统疾病诊断、听觉残障者的语音指导等。因为汉语是一种有调语言，基音的变化模式称为声调，它携带着非常重要的具有辨意作用的信息，有区别意义的功能，所以，基音的提取和估计对汉语更是一个十分重要的问题。 由于人的声道的易变性及其声道持征的因人而异，而基音周期的范围又很宽，而同—个人在不同情态下发音的基音周期也不同，加之基音周期还受到单词发音音调的影响，因而基音周期的精确检测实际上是一件比较困难的事情。基音提取的主要困难反映在：①声门激励信号并不是一个完全周期的序列，在语音的头、尾部并不具有声带振动那样的周期性，有些清音和浊音的过渡帧是很难准确地判断是周期性还是非周期性的。②声道共振峰有时会严重影响激励信号的谐波结构，所以，从语音信号中直接取出仅和声带振动有关的激励信号的信息并不容易。③语音信号本身是准周期性的(即音调是有变化的)，而且其波形的峰值点或过零点受共振峰的结构、噪声等的影响。④基音周期变化范围大，从老年男性的50Hz到儿童和女性的450Hz，接近三个倍频程，给基音检测带来了一定的困难。由于这些困难，所以迄今为止尚未找到一个完善的方法可以对于各类人群(包括男、女、儿童及不向语种)、各类应用领域和各种环境条件情况下都能获得满意的检测结果。 尽管基音检测有许多困难，但因为它的重要性，基音的检测提取一直是一个研究的课题，为此提出了各种各样的基音检测算法，如自相关函数(ACF)法、峰值提取算法(PPA)、平均幅度差函数(AMDF)法、并行处理技术、倒谱法、SIFT、谱图法、小波法等等。 2、自相关函数 对于离散的语音信号x(n)，它的自相关函数定义为： R(k)=Σx(n)x(n-k)， 如果信号x(n))具有周期性，那么它的自相关函数也具有周期性，而且周期 细胞周期的流式检测方法 细胞周期（cell cycle）是指细胞从一次分裂完成开始到下一次分裂结束所经历的全过程，分为G0/G1期、S期、G2/M期。在科研实践中，很多实验具有对细胞群体的周期分布进行检测的需求。细胞群体周期测定的方法有很多种，最常用的是PI（碘化丙啶）渗入DNA进行染色，然后通过流式细胞仪检测PI从而测定细胞群体的周期分布。 因此，下面笔者主要通过BD（Becton＆Dickinson）公司生产的BD FACSCalibur流式细胞仪测定PI标记的细胞群体为例，对细胞周期的流式检测方法进行阐述。 一、PI染色步骤概略 1、单细胞悬液离心，1500rpm , 5min，弃上清。 2、PBS 1ml离心，弃上清。 3、70%酒精2ml，4℃，30min，离心，弃上清液。 4、PBS 1ml离心，弃上清。 5、RNase A的PBS溶液(20ug/ml)，500ul，37℃，30min，离心弃上清。 6、PBS 1ml离心，弃上清。 7、PI的PBS溶液(50ug/ml)，500ul，室温避光孵育30min。 8、吹打混匀，300目筛网过滤至流式管中，4℃保存，待测。 二、Calibur仪器设置及数据收集 1、依次打开Calibur机器电源、电脑开关和CellQuest Pro软件，按快捷键Command+B连机，按快捷键Command+1、 2、 3、4调出Detectors/Amps面板、Threshold面板、Compensation 面板和Status面板，软件的操作界面如图1所示。 图1. Cell Quest Pro软件操作界面 2、建立实验模板，包括FSC/SSC散点图、FL2-W/FL2-A散点图和FL2-A直方图。因为PI 在Calibur上是由488nm的激光器激发，530/30滤光片收集信号，所以选择FL2通道进行检测。细胞周期是2N和4N的循环，所以FL2通道的Mode参数应设置为Lin模式，同时阈值（Threshold）的Primary Param参数设置为FL2-H，Four Color DDM Param参数设置为FL2， 综合实验报告 自相关法及其变种 学院电子与信息学院专业信息与信号处理学生 学生学号 提交日期2013年7月10日 一、实验目标 1.1 了解语音基音周期估计方法，掌握自相关法估计基音周期的原理，分析其变种。 二、实验基础知识 2.1 基音与基音周期估计 人在发音时，根据声带是否震动可以将语音信号分为清音跟浊音两种。浊音又称有声语言，携带者语言部分的能量，浊音在时域上呈现出明显的周期性；而清音类似于白噪声，没有明显的周期性。发浊音时，气流通过声门使声带产生弛震荡式振动，产生准周期的激励脉冲串。这种声带振动的频率称为基音频率，相应的周期就成为基音周期。 基音周期的估计称谓基音检测，基音检测的最终目的是为了找出和声带振动频率完全一致或尽可能相吻合的轨迹曲线。 基因周期作为语音信号处理中描述激励源的重要参数之一，在语音合成、语音压缩编码、语音识别和说话人确认等领域都有着广泛而重要的问题，尤其对汉语更是如此。汉语是一种有调语言，而基因周期的变化称为声调，声调对于汉语语音的理解极为重要。因为在汉语的相互交谈中，不但要凭借不同的元音、辅音来辨别这些字词的意义，还需要从不同的声调来区别它，也就是说声调具有辨义作用；另外，汉语中存在着多音字现象，同一个字的不同的语气或不同的词义下具有不同的声调。因此准确可靠地进行基音检测对汉语语音信号的处理显得尤为重要。 2.2 基音周期估计的现有方法 到目前为止，基音检测的方法大致上可以分为三类： 1）时域估计法，直接由语音波形来估计基音周期，常见的有：自相关法、并行处理法、平均幅度差法、数据减少法等； 2）变换法，它是一种将语音信号变换到频域或者时域来估计基音周期的方法，首先利用同态分析方法将声道的影响消除，得到属于激励部分的信息，然后求取基音周期，最常用的就是倒谱法，这种方法的缺点就是算法比较复杂，但是基音估计的效果却很好； 3）混合法，先提取信号声道模型参数，然后利用它对信号进行滤波，得到音源序列，最后再利用自相关法或者平均幅度差法求得基因音周期。 三、实验原理 3.1 自相关函数 能量有限的语音信号x(n)的短时自相关函数定义为： 此公式表示一个信号和延迟m 点后该信号本身的相似性。如果信号x(n)具有周期性，那么它的自相关函数也具有周期性，而且周期与信号x(n)的周期性相同。自相关函数提供了一种获取周期信号周期的方法。在周期信号周期的整数倍上，它的自相关函数可以达到最大()()()n n R m x n x n m =+∞=-∞ =+∑ 标准操作程序 STANDARD OPERATING PROCERE 制检验及评价的进度。 2．范围：适用于原辅料，包装材料和成品人取样到报告的全过程 3．化验申请单的发送：当仓库收料员将物料检查验收后，在由货四联单上填上内容并签名，将化验申请在2日内交质客部取样员，转给评价部门。收料后，因故不能在2日内交质客部取样品，应有收料员在“备注”栏中证券交易明原因和日期并签名。 在化验申请单上填写控制号，并按SOPQC-701“取样指令”填写后，作为取样指令交取样员取样。 在增补取样的情况下，如需全检，则应另发一份批化验记录，如仅有个别项目，则可在增补取样单上注明要求。 因故不能在收到化验申请的2日内到达取样指令时，指令人应备注栏内说明原因和日期并签名。 5．取样：取样员在取样完毕后，应在化验申请单上著名日期并签名。取样不得超过3天，否则应在备注栏内说明原因。 6．样品和批化验记录的递交：取样员应取样的当天或次日将样品及化验记录交有关人员。如系增补取样，仅作个别项目则可另发批化验记录，只随样送一份增补取样单。 收样人员接收样品时应核对样品和批化验记录或增补取样单，包括下列内容： ——品名 ——代号 ——批号 ——控制号 标准操作程序 STANDARD OPERATING PROCERE 并在收样日期内签名和注上日期。 检验结束后，检验员及有关审核人员应在化验记录或增补取样结果栏目内，填好检验结果，（或审核结果），分别签名并注明日期。 7．检验周期：根据本企业生产有关品种而制定检验周期（附件1）检验人员必须按要求出具报告。 物殊情况下，要求提前出出具检查报告时，应由质定部负责人签发后方可予以安排。 本科毕业论文 题目语音基音周期检测算法比较学院管理科学与工程学院 专业电子信息工程 班级 081信工(1)班 学号 200883082 姓名周刚 指导老师段凯宇讲师 二〇一二年六月 语音基音周期检测算法比较 摘要 基音周期作为语音信号处理中描述激励源的重要参数之一，广泛的应用于语音合成、语音编码和语音识别等语音信号处理等技术领域。准确可靠的对基音周期进行检测将直接影响整个语音处理系统的性能。 常用的基音检测算法对于纯净语音信号都能达到较好的检测效果。然而，实际当中的语音信号不可避免的会受到外界背景噪音的影响，使得这些检测算法的检测效果都不是很理想，为此本文用两种基本算法对语音信号滤波前后进行基音周期检测，在进行比较。 论文首先介绍了语音基音检测算法的研究背景极其重要意义。其次对现有的基音检测算法进行了归纳和总结，并详细的介绍本文将用的两种基本基音检测算法的基本原理及实现。最后在Matlab上对语音信号进行基音周期检测。 论文还完成了算法的程序设计，在Matlab7.0仿真环境下，对上诉算法进行仿真验证，并且在滤波前后做了对比实验。实验结果表明，经过滤波的语音信号基音周期检测的更加准确。 关键词：基音检测；自相关函数法；平均幅度差函数法；基音轨迹 Abstract Pitch as in speech signal processing is one of the important parameters to describe the excitation source, widely used in speech synthesis, speech coding and speech recognition speech signal processing technology. Accurate pitch period detection will directly affect the performance of the speech processing system. Commonly used algorithm for pitch detection for clean speech signal to achieve good detection effect. However, the actual speech signal will be inevitably influenced by external effects of background noise, so the detection algorithm to detect the effect is not very ideal, the paper use two basic algorithms before and after filtering the speech signal pitch detection, in comparison. The thesis first introduces the research background of speech pitch detection algorithm is very important. Next to the existing algorithm for pitch detection are summarized, and a detailed introduction to this article will use the two kinds of basic pitch detection algorithm is the basic principle and realization. Finally in Matlab on speech signal pitch period detection. The paper also finished programming algorithm, in the Matlab7.0 simulation environment, the algorithm is validated by simulation, and the contrast experiments were done before and after filtering. The experimental results show that, after the filtering of the speech signal pitch period detection is more accurate. Keywords: pitch detection; autocorrelation function; the average magnitude difference function method; pitch contrail 语音信号基音检测算法研究 摘要:本文对倒谱法做了改进,在用倒谱法进行基音检测分析时,提出了一种功率谱二次处理的二次谱减法,该方法克服了倒谱法基音检测的抗噪能力低的弱点,在相同噪声环境下能更加精确地检测出语音信号的基音周期。 关键词:语音信号基音检测倒谱法二次谱减法 1、引言 近年来,基于线性预测和分析频谱的Mel倒谱系数在处理包含情感的语音识别中取得了很大的进步,能否把此种方法应用到相应状态下的基音检测中去,值得广大学者研究。国外很多学者采用实时监控情感变化,并把影响修正基音的轨迹加以平滑或者动态改变窗的宽度,可以明显降低上述影响。基音检测一直是语音信号处理的一大难题,短时自相关函数法、短时平均幅度差函数法、倒谱法、小波变换法等传统的经典基音检测方法,都有各自的用场,但同时也有其相应的不足。其中任一种方法都不能作为通用的方法,但若在基音检测过程中,对预处理和后处理上进行一些改进,且突破传统的语音模型,并适当考虑说话人的个体特征及发音时的情感力度对基音检频带内谱包络测的影响,定能提高基音检测的准确性及健壮性。 本文以语音信号的基音检测为研究对象,着重分析自相关函数法p倒谱法的定义为,时间序列的z变换的模的对数的逆z变换,该序列的倒谱的傅里叶变换形式为。落实到具体实现时,采用DFT来近似傅里叶变换,根据传统语音产生的模型及语音信号的短时性。在其频域内,语音信号短时谱等于激励源的频谱与滤波器的频谱的乘积,浊音信号短时谱中包含的快变化周期性细致结构,则必会对应着周期性脉冲激励的基频以及各次谐波。语音的倒谱是将语音的短时谱取对数后再进行IDFT来得到,所以浊音信号的周期性激励如果反映在倒谱上,便是同样周期的冲激。藉此,我们可从得到的倒谱波形中估计出基音周期。一般我们把倒谱波形中第二个冲激,认为是对应激励源的基频,即基音周期。下面列举出一种倒谱法求基音周期的框图(见图1) 。 3、改进算法的基音检测 当用无噪声的语音信号时,采用倒谱法进行基音检测还是很理想的。但是有加性噪声存在时,对数功率谱中的低电平部分会被噪声填满,从而掩盖了基音谐波的周期性。这也意味着倒谱的输入不再是单纯的周期性成分,而导致倒谱中的基音峰值变宽,而且受到噪声的污染,最终导致倒谱检测方法的灵敏度也随之下降。为此,本文提出了如下改进方法（图2）: 此方法避p本文以语音信号的基音检测为研究对像,对短时自相关函数、倒谱法、这两种基音检测的方法的原理进行了分析。在此基础上,深入研究了倒谱法基音检测的算法。通过实验仿真,发现这种测量方法的不足;最后对这种算法进行了改进,在用倒谱法进行基音检测分析时,提出了一种功率谱二次处理的二次谱减法,该方法克服了倒谱法基音检测的抗噪能力低的弱点,在噪声环境相同的情况下能更加准确的检测出语音信号的基音周期,从而有效提高算法在基音检测时的准确性和抗噪性。 参考文献 [1]胡航.语音信号处理[M].哈尔滨:哈尔滨工业大学出版社,2000:116.126. [2]韩纪庆,张磊,郑铁然.语音信号处理[M].北京:清华大学出版社,2004,lO.39. 第一章插值方法 1.1Lagrange插值 1.2逐步插值 1.3分段三次Hermite插值 1.4分段三次样条插值 第二章数值积分 2.1 Simpson公式 2.2 变步长梯形法 2.3 Romberg加速算法 2.4 三点Gauss公式 第三章常微分方程德差分方法 3.1 改进的Euler方法 3.2 四阶Runge-Kutta方法 3.3 二阶Adams预报校正系统 3.4 改进的四阶Adams预报校正系统 第四章方程求根 4.1 二分法 4.2 开方法 4.3 Newton下山法 4.4 快速弦截法 第五章线性方程组的迭代法 5.1 Jacobi迭代 5.2 Gauss-Seidel迭代 5.3 超松弛迭代 5.4 对称超松弛迭代 第六章线性方程组的直接法 6.1 追赶法 6.2 Cholesky方法 6.3 矩阵分解方法 6.4 Gauss列主元消去法 第一章插值方法 1.1Lagrange插值 计算Lagrange插值多项式在x=x0处的值. MATLAB文件：（文件名：Lagrange_eval.m）function [y0,N]= Lagrange_eval(X,Y,x0) %X,Y是已知插值点坐标 %x0是插值点 %y0是Lagrange插值多项式在x0处的值 %N是Lagrange插值函数的权系数 m=length(X); N=zeros(m,1); y0=0; for i=1:m N(i)=1; for j=1:m if j~=i; N(i)=N(i)*(x0-X(j))/(X(i)-X(j)); end end y0=y0+Y(i)*N(i); end 用法》X=[…];Y=[…]; 》x0= ; 》[y0,N]= Lagrange_eval(X,Y,x0) 1.2逐步插值 计算逐步插值多项式在x=x0处的值. MATLAB文件：（文件名：Neville_eval.m）function y0=Neville_eval(X,Y,x0) %X,Y是已知插值点坐标 %x0是插值点 %y0是Neville逐步插值多项式在x0处的值 m=length(X); P=zeros(m,1); P1=zeros(m,1); P=Y; for i=1:m P1=P; k=1; for j=i+1:m k=k+1; 细胞周期测定实验 细胞计数法： 实验方法原理体外培养细胞生长、分裂繁殖的能力，可用分裂指数来表示。它与生长曲线有一定的联系，如随着分裂指数的不断提高，细胞也就进入了指数生长期。 分裂指数指细胞群体中分裂细胞所占的百分比，它是测定细胞周期的一个重要指标，也是不同实验研究选择细胞的重要依据。 实验材料细胞 试剂、试剂盒胰酶甲醇培养液冰醋酸Giemsa染液 仪器、耗材CO2培养箱普通显微镜培养皿盖玻片吸管 实验步骤一、消化细胞，将细胞悬液接至内含盖玻片的培养皿中。 二、CO2培养箱中培养48小时，使细胞长在盖片上。 三、取出盖片，按下列顺序操作： PBS漂洗3分钟→甲醇：冰醋酸=3：1固定液中固定30分钟→Giemsa液染色10分钟→自来水冲洗。 四、盖片晾干后反扣在载玻片上，镜检。 五、计算 分裂指数=分裂细胞数/总细胞数×100% 展开 注意事项1. 操作时动作要轻，以免使盖片上的细胞脱落。 其他一、Giemsa染液配制 称Giemsa粉末0.5 g，加几滴甘油研磨，再加入甘油（使加入的甘油总量为33 ml）。56℃中保温90-120分钟。加入33 ml甲醇，置棕色瓶中保存，此为Giemsa原液。使用时按 要求用PBS稀释。一般稀释10倍。 BrdU参入法 实验方法原理细胞周期指细胞一个世代所经历的时间。从一次细胞分裂结束到下一次分裂结束为一个周期。细胞周期反应了细胞增殖速度。 单个细胞的周期测定可采用缩时摄影的方法，但它不能代表细胞群体的周期，故现多采用其他方法测群体周期。 BrdU（5-溴脱氧尿嘧啶核苷）加入培养基后，可做为细胞DNA复制的原料，经过两个细胞周期后，细胞中两条单链均含BrdU的DNA将占l/2，反映在染色体上应表现为一条单体浅染。如经历了三个周期，则染色体中约一半为两条单体均浅染，另一半为一深一浅。细胞如果仅经历了一个周期，则两条单体均深染。计分裂相中各期比例，就可算出细胞周期的值。 实验材料细胞 试剂、试剂盒BrdU 甲醇冰醋酸Giemsa染液秋水仙素SSC 柠檬酸三钠NaCl 仪器、耗材冰箱玻片水浴锅锅盖紫外灯光学显微镜 实验步骤一、试剂配制 1. BrdU配制 BrdU 10 mg加双蒸水10 ml ，4℃下避光保存。 2. 2×SSC配制 NaCl 1.75 g，柠檬酸三钠0.88 g，加水至100 ml，4℃保存。 二、细胞生长至指数期时，向培养液中加入BrdU，使最终浓度为10 μg/ml。 三、44小时加秋水仙素，使每ml中含0.1 μg。 四、48小时后常规消化细胞至离心管中，注意培养上清的漂浮细胞也要收集到离心管中。 常用的基音周期检测的方法有哪些？它们的基本原理是什么？ 自相关法、平均幅度差函数法、并行处理法、倒谱法、简化逆滤波法 自相关法的基本原理是浊音信号的自相关函数在基音周期的整数倍位置上出现峰值；而清音的自相关函数没有明显的峰值出现。因此检测是否有峰值就可判断是清音或浊音，检测峰值的位置就可提取基音周期值。 平均幅度差函数法的基本原理是对周期性的浊音语音，Fn(k)呈现与浊音语音周期相一致的周期特性，Fn(k)在周期的各个整数倍点上具有谷值特性，因而通过Fn(k)的计算可以来确定基音周期。而对于清音语音信号，Fn(k)却没有这种周期特性。利用Fn(k)的这种特性，可以判定一段语音是浊音还是清音，并估计出浊音语音的基音周期。 倒谱（CEP）法利用语音信号的倒频谱特征，检测出表征声门激励周期的基音信息。采取简单的倒滤波方法可以分离并恢复出声门脉冲激励和声道响应，根据声门脉冲激励及其倒谱的特征可以求出基音周期。 简述时域分析的技术（最少三项）及其在基因检测中的应用。 短时能量及短时平均幅度分析、短时过零率分析、短时相关分析、短时平均幅度差函数基音检测中的应用：基音检测的提取。 二、名词解释（每题3分，共15分） 端点检测：就从包含语音的一段信号中，准确的确定语音的起始点和终止点，区分语音信号和非语音信号。共振峰：当准周期脉冲激励进入声道时会引起共振特性，产生一组共振频率，称为共振峰频率或简称共振峰。语谱图：是一种三维频谱，它是表示语音频谱随时间变化的图形，其纵轴为频率，横轴为时间，任一给定的频率成分在给定时刻的强弱用相应点的灰度或色调的浓淡来表示。码本设计：就是从大量信号样本中训练出好的码本，从实际效果出发寻找好的失真测度定义公示，用最少的搜素和计算失真的运算量。语音增强：语音质量的改善和提高，目的去掉语音信号中的噪声和干扰，改善它的质量。 实验一离散数字信号的产生及其时域处理 学习实现实验1的内容，并且编制一个程序(m文件)产生5种信号，函数需要的参数可输入确定，并绘出其图形 1、单位抽样序列 在MATLAB中可以利用函数实现, %单位抽样序列函数% X=0:10; Y=[0 1 zeros(1,9)]; stem(X,Y,'r'); axis([-1,10,0,1]); title('单位抽样序列'); xlabel('n'); ylabel('δ*n+'); 图形如右: 2、单位阶越序列 在MATLAB中可以利用函数实现, 实现过程如下： %单位阶跃序列函数 K=-8:8; H=[zeros(1,8),ones(1,9)]; stem(K,H,'r'); axis([-8,8,0,2]); title('单位阶跃序列'); xlabel('n'); ylabel('u[n]'); 图形如下: 3、正弦序列，在MATLAB中实现过程如下：%正弦序列函数sin(2*pi*D/5+pi/4)% D=-1:0.1*pi:8*pi; C=sin(2*pi*D/5+pi/4); stem(D,C,'filled'); axis([-1,10,-2,2]); title('正弦序列'); xlabel('n'); ylabel('sin(2*pi*D/5+pi/4)') 图形如下: 4、复指数序列，从幅度和相位进行分析，在MATLAB中实现过程如下：%复指数序列函数% n=[0:10]; x1=2*exp((-0.2+0.7*j)*n); x2=abs(x1); x3=angle(x1); 第8章 常微分方程初值问题数值解法 8.1 引言 8.2 欧拉方法 8.3 龙格-库塔方法 8.4 单步法的收敛性与稳定性 8.5 线性多步法 8.1 引 言 考虑一阶常微分方程的初值问题 00(,),[,],(). y f x y x a b y x y '=∈=（1.1） （1.2） 如果存在实数 ，使得 121212(,)(,).,R f x y f x y L y y y y -≤-?∈（1.3） 则称 关于 满足李普希茨(Lipschitz ）条件， 称为 的李普希茨常数（简称Lips.常数）. 0>L f y L f (参阅教材386页) 计算方法及MATLAB 实现 所谓数值解法，就是寻求解 在一系列离散节点 )(x y <<<<<+121n n x x x x 上的近似值 . ,,,,,121+n n y y y y 相邻两个节点的间距 称为步长. n n n x x h -=+1 如不特别说明，总是假定 为定数， ),2,1( ==i h h i 这时节点为 . ) ,2,1,0(0 =+=i nh x x n 初值问题(1.1),(1.2)的数值解法的基本特点是采取 “步进式”. 即求解过程顺着节点排列的次序一步一步地向前推进. 00(,),[,], (). y f x y x a b y x y '=∈= 描述这类算法，只要给出用已知信息 ,,,21--n n n y y y 计算 的递推公式. 1+n y 一类是计算 时只用到前一点的值 ，称为单步法. 1+n y n y 另一类是用到 前面 点的值 ， 1+n y k 11,,,+--k n n n y y y 称为 步法. k 其次，要研究公式的局部截断误差和阶，数值解 与 精确解 的误差估计及收敛性，还有递推公式的计算 稳定性等问题. n y )(n x y 首先对方程 离散化，建立求数值解的递推 公式. ),(y x f y =' 流式细胞仪检测细胞周期操作步骤 欧阳家百（2021.03.07） 取对数生长期的A549细胞，按1×106 cells/mL以1mL接种于100mm培养皿内 ↓ 24h后，进行所需的处理（比如加药,照射） ↓ 特定时间后终止培养，进行下一步的实验 ↓ 收集原培养液，洗后的PBS和消化后的细胞，将三者混匀放入 15ml离心管中 ↓ 1000rpm离心5min（短时低速离心） ↓ 弃上清，用1.5ml预冷PBS，1000rpm离心5min后去除PBS和细 胞悬液内的细胞碎片 ↓ 加入1.5ml预冷PBS,在涡旋状态下加入3.5ml无水乙醇，混匀后，于4℃固定30min,或-20℃长期保存。 ↓ 1000r/min,离心5min ↓ 将乙醇吸除，加PBS清洗混匀 ↓ 1000r/min,5min再离心一遍，将残留在细胞上的乙醇除去 ↓ 吸除离心管内PBS，加入200ul PBS和2ul的RNA酶 （0.25mg/ml）(37℃下孵育30min) ↓ 加入0.5ml的50ug/ml的PI溶液室温下避光染色30min ↓ 将离心管内的细胞过滤(300um尼龙网膜)至含有PBS的EP管中（PI具有很强的粘附性，容易使细胞聚团），标记EP管 ↓ 提前一天网上预约 ↓ 开机（先开仪器后开软件） ↓ 流式细胞仪的结构一般分为5部分：①流动室及液流驱动系统； ②激光光源及光束成形系统；③光学系统；④信号检测、存贮、显示、分析系统；⑤细胞分选系统。 ↓ 检测前先涡旋使细胞混匀悬浮呈单个细胞，然后插入流式细胞仪上 ↓ 流动室内充满鞘液，细胞排成单列由喷嘴中心喷出，形成细胞液柱 ↓ 液柱与激光束相交，细胞上的荧光染料被激发产生荧光（488nm 激发光源） ↓ 荧光信号变成电信号输出到计算机，软件分析（荧光染料和细胞 实验三语音信号的基音周期提取 一、实验目的 1、熟练运用MATLAB软件的运用，学习通过MATLAB软件编程来进行语音信号的基因周期提取。 2、掌握语音信号的基音周期提取的方法，实现其中一种基频提取方法。 3、学会用自相关法进行语音信号的基因检测。 二、实验仪器设备及软件 MATLAB 三、实验原理 浊音信号的自相关函数在基因周期的整数倍位置上出现峰值，而清音的自相关函数没有明显的峰值出现。因此检测自相关函数是否有峰值就可以判断是清音还是浊音，而峰-峰值之间对应的就是基音周期。 影响从自相关函数中正确提取基音周期的最主要原因是声道响应。当基音的周期性和共振峰的周期性混在一起时，被检测出来的峰值可能会偏离原来峰值的真实位置。另外，在某些浊音中，第一共振频率可能会等于或低于基音频率。此时，如果其幅度很高，它就可能在自相关函数中产生一个峰值，而该峰值又可以同基音频率的峰值相比拟。 1、自相关函数 对于离散的语音信号x(n)，它的自相关函数定义为： R(k)=Σx(n)x(n-k)， 如果信号x(n))具有周期性，那么它的自相关函数也具有周期性，而且周期与信号x(n) 的周期性相同。自相关函数提供了一种获取周期信号周期的方法。在周期信号周期的整数倍上，它的自相关函数可以达到最大值，因此可以不考虑起始时间，而从自相关函数的第一个最大值的位置估计出信号的基音周期，这使自相关函数成为信号基音周期估计的一种工具。 2、短时自相关函数 语音信号是非平稳的信号，所以对信号的处理都使用短时自相关函数。短时自相关函数是在信号的第N个样本点附近用短时窗截取一段信号，做自相关计算所得的结果 Rm(k)=Σx(n)x(n-k) 式中，n表示窗函数是从第n点开始加入。 用MATLAB实现结构可靠度计算 口徐华…朝泽刚‘u刘勇‘21 。 (【l】中国地质大学(武汉工程学院湖北?武汉430074; 12】河海大学土木工程学院江苏?南京210098 摘要:Matlab提供了各种矩阵的运算和操作,其中包含结构可靠度计算中常用的各种数值计算方法工具箱,本文从基本原理和相关算例分析两方面,阐述利用Matlab,编制了计算结构可靠度Matlab程.序,使得Matlab-语言在可靠度计算中得到应用。 关键词:结构可靠度Matlab软件最优化法 中图分类号:TP39文献标识码:A文章编号:1007-3973(200902-095-Ol 1结构可靠度的计算方法 当川概率描述结构的可靠性时,计算结构可靠度就是计算结构在规定时问内、规定条件F结构能够完成预定功能的概率。 从简单到复杂或精确稃度的不同,先后提出的可靠度计算方法有一次二阶矩方法、二次二阶矩方法、蒙特卡洛方法以及其他方法。一次■阶矩方法又分为。I-心点法和验算点法,其中验算点法足H前可靠度分析最常川的方法。 2最优化方法计算可靠度指标数学模型 由结构111n个任意分布的独立随机变量一,x:…以表示的结构极限状态方程为:Z=g(■.托…t=0,采用R-F将非正念变量当罱正态化,得到等效正态分布的均值o:和标准差虹及可靠度指标B,由可靠度指标B的几何意义知。o;辟 开始时验算点未知,把6看成极限状态曲面上点P(■,爿:---37,的函数,通过优化求解,找到B最小值。求解可靠皮指标aJ以归结为以下约束优化模型: rain睁喜t华,2 s.,.Z=g(工i,x2’,…,工:=0 如极限状态方栉巾某个变最(X。可用其他变量表示,则上述模型jfIJ‘转化为无约束优化模型: 。。B!:手f生丛r+阻:坚:坠:盐尘}二剐 t∞oY?’【叫,J 3用MATLAB实现结构可靠度计算 3.1Matlab简介 Matlab是++种功能强、效率高、便.丁.进行科学和工程计算的交互式软件包,汇集了人量数学、统计、科学和工程所需的函数,MATI.AB具有编程简甲直观、用户界mf友善、开放性强等特点。将MATLAB用于蒙特卡罗法的一个显著优点是它拥有功能强大的随机数发生器指令。 3.2算例 3.2.I例:已知非线形极限状态方程z=g(t r'H=567f r-0.5H2=0’f、r服从正态分布。IIf=0.6,o r=0.0786;la|_ 2.18,o r_0.0654;H服从对数正态分布。u H= 3218,O。 =0.984。f、r、H相互独立,求可靠度指标B及验算点(,,r’,H‘。 解:先将H当量正念化:h=ln H服从正态分布,且 ,‘-““了:等专虿’=,。49?口二-、『五ir面_。。3 基音周期中两种算法 常用的基音周期检测方法－自相关函数法、倒谱法、平均幅度差函数法都属于非基于事件基音检测方法，都先将语音信号分为长度一定的语音帧，然后对每一帧语音求平均基音周期，它们的优点是比较简单，主要应用于只需要平均基音周期作为参数的语音编解码，语音识别等。 自相关函数具有很好的抗噪性，但易受半频、倍频错误影响。平均幅度差函数只需加法、减法和取绝对值等计算，算法简单；它们在无背景噪声情况下可以精确地提取的语音基音周期，但在语音环境较恶劣、信噪比较低时，检测的结果很差，难以让人满意。 2.1 基于短时自相关函数的方法 能量有限的语音信号}{()s n 的短时自相关函数[10][11]定义为： 10()[()()][()()]N n m R s n m w m s n m w m τ τττ--==++++∑ (2.1) 其中，τ为移位距离，()w m 是偶对称的窗函数。 短时自相关函数有以下重要性质： ①如果}{()s n 是周期信号，周期是P ，则()R τ也是周期信号，且周期相同，即()()R R P ττ=+。 ②当τ=0时，自相关函数具有最大值；当0,,2,3P P P τ=+++…处周期信号的自相关函数达到极大值。 ③自相关函数是偶函数，即()()R R ττ=-。 短时自相关函数法基音检测的主要原理是利用短时自相关函数的第二条性质，通过比较原始信号和它移位后的信号之间的类似性来确定基音周期，如果移位距离等于基音周期，那么，两个信号具有最大类似性。 在实际采用短时自相关函数法进行基音检测时，使用一个窗函数，窗不动，语音信号移动，这是经典的短时自相关函数法。窗口长度N 的选择至少要大于基音周期的两倍，N 越大，短时自相关函数波形的细节就越清楚，更有利于基音检测，但计算量较大，近年来由于高速数字信号处理器(DSP )的使用，从而使得这一算法简单有效，而不再采用结构复杂的快速傅里叶变换法、递归计算法等；《语音信号处理》实验2-基音周期估计
细胞周期的流式检测方法
基于自相关法的语音基音周期估计
检验周期及管理办法
基音周期检测算法比较
语音信号基音检测算法研究
王能超 计算方法——算法设计及MATLAB实现课后代码
细胞周期测定实验
常用的基音周期检测的方法有哪些
语音基音周期的估计
0计算方法及MATLAB实现简明讲义课件PPS8-1欧拉龙格法
流式细胞仪检测细胞周期操作步骤之欧阳家百创编
实验三语音信号的基音周期提取
用MATLAB实现结构可靠度计算.
两种基音周期检测方法
相关主题
文本预览